亚马逊防劫机专利“新鲜出炉”,无人机送货不再是问题

简介:

亚马逊申请了一项名为“自主飞行的无人机遇险应对策略”无人机专利,以防止无人机送货被“劫机”。

亚马逊防劫机专利“新鲜出炉”,无人机送货不再是问题

相信大家早就了解到,在2016年,不论是亚马逊还是中国的京东,都已开始了无人机送货的尝试。

但很显然,无人机送货这种模式距离大规模普及还有很远,需要克服的现实挑战也还很多。而无人机和货物的安全,就是其中的关键一项。因此,如何防止被“劫机”,尤其是黑客搞小动作,导致无人机和货物失踪、损坏的情况,是送货服务需要考虑的问题。

据悉,亚马逊近日申请了一项无人机专利,其名为“自主飞行的无人机遇险应对策略”。它通过建立一个无人机舰队的信息沟通网络,使它们能透过该网络传递、共享飞行资讯,包括位置、飞行高度、航向等。而这个信息沟通网络则会帮助它们应对黑客和外力的袭击。

亚马逊防劫机专利“新鲜出炉”,无人机送货不再是问题

该专利显示,无人机之间可以核对资讯,如果两架无人机接收到的数据信息不一致,系统会判定其中一架已损坏或遭到黑客入侵。这时,如果出事无人机仍能飞行,系统也会命令它在安全区域降落,或者由其他无人机“护航”。

此外,它可还以通过讯号的接收来判定是否遭到黑客入侵。因为在特定高度,无人机应从下方接受导航讯号,而如果此时,讯号来自上方,则说明是有黑客在捣鬼。

最后,专利还显示亚马逊无人机可能配备危险感应模组,当检测到箭头、弹弓打出的石子等物体在无人机旁高速掠过,无人机会采取“紧急飞行姿态”并立刻返回。另一方面,在极端状况下,无人机受黑客或外力干扰炸机,亚马逊希望能够透过配备空气气囊或降落伞减小与地面的撞击力度,保护机器。看来亚马逊为防劫机,做了充足的准备了。


原文发布时间: 2016-12-28 13:28
本文作者: 星星
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
8天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
298 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
311 155
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
854 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
247 113